GooSeeker
产品
资源
教程
视频教程
使用交流
资讯
开启辅助访问
切换风格
请
登录
后使用快捷导航
没有帐号?
立即注册
登录
|
注册
快捷导航
资讯
常见问题
使用交流
python交流
视频教程
资源发布公告
数学建模交流
论坛
›
搜客社区
›
使用交流
2
8577
依据url列表的单页采集如何跳过错误页面?
vpoint
于 2017-2-16 14:51
发表
[复制链接]
[只看楼主]
[打印]
[上一主题]
[下一主题]
vpoint
积分
32
精华
0
威望
12
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
制定单页采集规则,在打数机中添加线索(url列表)。如果页面正常的话可以一页一页的采集到内容。
但是遇到URL的页面不存在:404页面的时候,采集就停止了。
想请教下,有没有办法让它自动跳过这些页面,继续下一页的采集?
每次都有手动继续很麻烦。。。
多谢!
收藏
0
转播
支持
0
反对
0
举报
使用道具
|
回复
共 2 个关于本帖的回复 最后回复于 2017-2-16 21:02
ym
积分
5311
精华
24
威望
1760
金钱
2
最后登录 1970-1-1
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
沙发
ym
版主
发表于 2017-2-16 15:17:31
|
只看该作者
用爬虫群采集,只要还有待抓取的线索,就会自动采集,即使中间某个线索抓失败了,也不影响剩下的采集。
配置操作看:
《如何运行爬虫群》
举报
使用道具
回复
支持
反对
Fuller
积分
24062
精华
0
威望
6724
金钱
6
最后登录 2025-5-2
加为好友
发送消息
访问家园
个人资料
主题列表
发消息
板凳
Fuller
管理员
发表于 2017-2-16 21:02:00
|
只看该作者
遇到404的话,会等待直到超时,所以,如果经常遇到这种网页,会大大拖慢采集速度。
你看到的404是什么样子?能否给个网址?
有些你看到的404其实不是真正的404,而是一个实实在在的网页,只是在网页上显示了“404”这个文字,如果是这种情况,针对这个网页再做一个采集规则,与当前的规则使用相同的主题名,但是规则编号不一样,这样,DS打数机就能自动判断是404还是有内容的网页。
如果不是上面说的那种情况,发个网址出来,我们研究一下处理方法
举报
使用道具
回复
支持
1
反对
0
返回列表
B
Color
Image
Link
Quote
Code
Smilies
高级模式
您需要登录后才可以回帖
登录
|
立即注册
发表回复
回帖并转播
回帖后跳转到最后一页
回复
推荐板块
使用交流
常见问题
数学建模交流
python交流
视频教程
精彩推荐
360或火绒等杀毒软件导致GooSeeker爬虫软件
话题分析(NMF模型和LDA模型)软件的安装和
运行Apple无法验证的程序的方法
文本聚类分析软件的安装和使用方法
利用AI阅读和分析文本:扣子COZE记录用户反
热门话题
1
【集微库】微博采集工具箱使用常见问题
2
怎样使用快捷采集(以采集京东评论为例)
3
集搜客文本分词标注工具(V1版)
4
有没有办法采集机场的出租车信息?
5
获得积分的好方法:转发小程序、QQ群、微信
6
【求助】关于采集阿里巴巴国际站访客详情分
7
GooSeeker分词,情感分析和关键词抽取平台使
8
新浪微博_博主主页
9
怎样采集抖音关键词搜索后的数据
10
集搜客GooSeeker 网络爬虫版本发布公告
热门用户
Fuller
帖子:10608
访问主页>>
wangyong
帖子:1737
访问主页>>
gbkuce
帖子:0
访问主页>>
GMT+8, 2025-5-4 11:55
快速回复
快速发帖
返回顶部
返回列表
共 2 个关于本帖的回复 最后回复于 2017-2-16 21:02